Yolov5环境配置配不好来打我-创新互联

Yolov5环境安装及配置详细教程

文件准备
- Pycharm下载链接
- Anaconda下载链接
- Yolov5源码下载地址链接
- CUDA下载地址
- CUDNN下载地址
环境配置
- Pycharm安装
- Anaconda安装
- CUDA安装
- CUDNN安装
- 使用Anaconda配置环境
第一次目标检测

十年的承留网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。成都营销网站建设的优势是能够根据用户设备显示端的尺寸不同，自动调整承留建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。创新互联建站从事“承留网站设计”,“承留网站推广”以来，每个客户项目都认真落实执行。文件准备

可以将这些文件都下载好放置在桌面上再进行环境配置这一步操作

Pycharm下载链接

https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows&code=PCC

（打开链接直接下载即可）

Anaconda下载链接

官方链接：（下载速度慢，不推荐）

https://repo.anaconda.com/archive/Anaconda3-2022.05-Windows-x86_64.exe

镜像网站链接：（下载速度快，强烈推荐）

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Windows-x86_64.exe

（打开链接直接下载即可）

Yolov5源码下载地址链接

Yolov5-5.0加速下载链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v5.0.zip
Yolov5-5.0Github官方链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v5.0.zip

Yolov5-6.1加速下载链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip
Yolov5-6.1Github官方链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v6.1.zip

CUDA下载地址

首先检查自己的电脑支持什么版本的CUDA

鼠标右键打开NVIDIA控制面板
请添加图片描述

请添加图片描述

接下来进入Cuda官网下载所支持的版本 https://developer.nvidia.com/cuda-toolkit-archive

点击网站进入后
请添加图片描述
在这里插入图片描述

CUDNN下载地址

（需对应CUDA版本下载）

CUDA版本为11以上下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/11.6/cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip

CUDA版本为10.2 下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/10.2/cudnn-windows-x86_64-8.4.0.27_cuda10.2-archive.zip

提醒：以上CUDNN网址进入时需要先注册登录哦！

环境配置 Pycharm安装

打开安装包
在这里插入图片描述

在这里插入图片描述

Pycharm的安装到此就完成了

Anaconda安装

打开安装包
在这里插入图片描述

在这里插入图片描述

CUDA安装

CUDA安装CUDA环境配置（Windows）
打开安装包
在这里插入图片描述

在这里插入图片描述

打开高级设置

![在这里插入图片描述](https://img-blog.csdnimg.cn/6f516522b8484321b907ac3af622330f.png

在这里插入图片描述

需要添加下面五组变量名与变量值

变量名：CUDA_SDK_PATH 变量值：C:\ProgramData\NVIDIA Corporation\CUDA
Samples\v11.3
变量名：CUDA_LIB_PATH 变量值： %CUDA_PATH%\lib\x64
变量名：CUDA_BIN_PATH 变量值：%CUDA_PATH%\bin
变量名：CUDA_SDK_BIN_PATH 变量值：%CUDA_SDK_PATH%\bin\win64
变量名：CUDA_SDK_LIB_PATH 变量值：%CUDA_SDK_PATH%\common\lib\x64

①中需添加的：

%CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

②中需添加的：(默认为以下路径)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64

在这里插入图片描述

新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin”（不需要加引号）
新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp”（不需要加引号）

到此，CUDA安装以及环境配置就完成了

CUDNN安装

打开压缩包
在这里插入图片描述
此处将这三个文件复制到CUDA安装路径同名文件夹即可！！这里我的路径是C：Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

WIN+R打开终端

使用Anaconda配置环境

在Anaconda下安装Pytorch
打开Anaconda Prompt
点击Launch后会弹出窗口先将其最小化点击第二步
在这里插入图片描述
首先创建python的虚拟环境在命令行里面输入conda create -n “your venu name” python==x.x (自行设置名称和python版本)

接着输入下面的命令行
conda config --remove-key channels